Cómo saber si el 3D está funcionando (y no engañarte con el dato)
Medir mal es peor que no medir: te da una cifra con la que defender una decisión equivocada. Este es el manual para leer el embudo del visor sin engañarte.
Para saber si el 3D funciona hay que leer el embudo entero, no la conversión general de la tienda: si mucha gente ve la ficha y casi nadie abre el visor, el problema es de ubicación o de que no parece interactivo; si abren y no interactúan, es del modelo; si interactúan y no compran, es del producto o del precio. El bloque de insiti emite ocho eventos (ar_page_view, ar_open, ar_interact, ar_activate_mobile, ar_redirect_mobile, ar_native_outcome, ar_add_to_cart y ar_close) que se montan como embudo cerrado en una exploración de GA4. Ningún resultado vale si el piloto se hizo con los productos más vendidos, sin grupo de control simultáneo o sin esperar un ciclo completo de devolución.
Los ocho eventos, uno por uno
El bloque de insiti emite ocho eventos en la ficha de producto. No son ocho métricas sueltas: son ocho puntos de un mismo recorrido y solo significan algo leídos en orden. Antes de interpretar nada, conviene saber exactamente qué queda grabado.
Para seguir: Tiendas que ya lo tienen puesto, contándolo ellas.
| Evento | Se dispara cuando | Qué te está diciendo |
|---|---|---|
| ar_page_view | Se carga una ficha que lleva el bloque 3D | El denominador de todo lo demás. No son visitas a la tienda, son visitas a fichas con visor |
| ar_open | El visitante abre el visor | Interés declarado. Es el primer filtro de verdad |
| ar_interact | Gira, acerca o mueve el modelo | Si el modelo aguanta que lo miren de cerca |
| ar_activate_mobile | Pulsa el botón de verlo en su espacio desde un móvil | Intención de probarlo en casa, el paso más caro de conseguir |
| ar_redirect_mobile | Desde escritorio pide saltar al móvil (QR o enlace) | Interés alto y, a la vez, el punto donde se te parte la medición |
| ar_native_outcome | Vuelve de la sesión de realidad aumentada del sistema operativo | Cuántos llegan al final del paso nativo y regresan a la ficha |
| ar_add_to_cart | Añade al carrito habiendo pasado por el visor | Lo único de esta lista que se parece al dinero |
| ar_close | Cierra el visor | Con la marca de tiempo, cuánto ha durado la sesión |
Comprueba una cosa antes de seguir: que cada evento viaje con el identificador de producto y de variante. Sin eso tendrás un embudo agregado muy vistoso y ninguna capacidad de decidir qué ficha tocar el lunes.
Cómo se lee una caída
La utilidad del embudo no está en los totales, está en el escalón donde se cae la gente. Cada escalón acusa a un responsable distinto, y confundirlos es lo que hace que se rehagan modelos que estaban bien.
- Ven la ficha y no abren el visor (ar_page_view alto, ar_open bajo): no es culpa del modelo, que ni lo han visto. Es ubicación o señalización. El visor está demasiado abajo, o parece una foto más porque nada indica que se pueda tocar. Súbelo, ponle un indicador visible de que es interactivo y vuelve a medir.
- Abren y no interactúan (ar_open alto, ar_interact bajo): aquí sí es el modelo. Tarda en cargar, aparece mal encuadrado, la textura canta o la escala está mal. Un modelo que se abre y decepciona hace más daño que no tener ninguno.
- Interactúan y no activan la realidad aumentada: normal, y no siempre es un problema. Mucha gente resuelve su duda girando el mueble en pantalla. Preocúpate solo si el botón no aparece o falla en un sistema concreto.
- Interactúan y no compran (ar_interact alto, ar_add_to_cart bajo): el visor ha hecho su trabajo y el producto o el precio no. Han visto el mueble bien y han dicho que no. Eso también es información, aunque duela.
Antes de dar por buena la primera caída, mira el móvil con conexión mala. Hay una razón técnica que casi nadie cuenta.
Como contraste, el modelo en sí casi nunca es el problema de peso: nuestra mesa de demostración ocupa 257 KB en GLB (4.861 triángulos) y 377 KB en USDZ. El visor pesa más que el mueble. Si sospechas del modelo, revisa cómo se ve, no cuánto ocupa. En tratar el modelo como un plato de fotos lo desarrollamos.
Montarlo en GA4 sin pelearte con la herramienta
En GA4 esto son eventos personalizados, que la documentación de Google define como los que defines tú porque ninguno de los automáticos, mejorados o recomendados encaja. Los ocho nombres entran de sobra en los límites publicados: 40 caracteres por nombre de evento, 25 parámetros por evento y 100 caracteres por valor. En flujos de datos web no hay límite de nombres distintos, el famoso tope de 500 es por usuario y en aplicaciones.
Del lado de Shopify la pieza es la Web Pixels API, descrita en su documentación como un conjunto de APIs controladas dentro de un sandbox Lax o Strict. Los eventos propios se publican con analytics.publish y Shopify pide prefijarlos con el nombre de la app para evitar colisiones. Ahí tienes además los eventos estándar: product_viewed registra la visita a una ficha de producto y product_added_to_cart, la adición al carrito. Úsalos como control cruzado: si tu ar_add_to_cart y el product_added_to_cart de Shopify no cuadran ni en orden de magnitud, el problema es de montaje y no de negocio.
Para verlo, una exploración de embudo. Admite hasta 10 pasos, así que caben los ocho, y elige embudo cerrado: en el abierto los usuarios pueden entrar por cualquier paso y los porcentajes dejan de significar lo que crees. Dos avisos de calendario: los datos intradía de una propiedad estándar tardan de 2 a 6 horas en procesarse y el informe en tiempo real solo trae unas pocas dimensiones. No mires el embudo a los diez minutos de publicar.
Una recomendación que va contra la intuición: no marques ar_open como evento clave. GA4 define el evento clave como el que mide una acción especialmente importante para el éxito del negocio, y abrir un visor no lo es. Si lo marcas, tú y tu agencia acabaréis optimizando aperturas.
Trampas de atribución
Aquí es donde se pierde la mayoría de los pilotos. No por falta de datos, por exceso de ganas.
Comparar antes y después sin control. Pones 3D en marzo y comparas marzo con febrero. En medio han pasado la estacionalidad, una campaña, un cambio de precio y el tiempo que hace. La única comparación defendible es simultánea: dos grupos de productos comparables, las mismas semanas, unos con visor y otros sin él. Si tu tienda es demasiado pequeña para partir el catálogo, dilo y presenta el resultado como indicio, no como prueba.
Elegir los más vendidos para el piloto. Es la tentación lógica y arruina el experimento, porque esos productos ya se comportaban distinto antes de tocar nada.
Si el piloto lo montas con tus diez productos más vendidos, no estás midiendo el 3D. Estás midiendo que se venden.
El emparejamiento honesto es por pares: mismo rango de precio, misma categoría, tasa de conversión previa parecida, y sorteas cuál de los dos lleva visor. Para decidir qué referencias entran, tenemos criterios en si tu catálogo es candidato a realidad aumentada.
No esperar un ciclo completo de devolución. En la Unión Europea el comprador tiene 14 días desde la entrega solo para comunicar que desiste, y después todavía queda el envío de vuelta y el reembolso. Con muebles que se entregan en semanas, un test de un mes no ha visto ni una sola devolución cerrada. Cualquier titular sobre devoluciones antes de eso es humo, y lo explicamos entero en realidad aumentada y devoluciones.
Medir la primera semana. Lo nuevo llama la atención por ser nuevo. La literatura de experimentos online lo llama efecto novedad, definido como el deseo de usar tecnología nueva que tiende a disminuir con el tiempo, frente al efecto primacía, el compromiso que crece según se adopta. El propio trabajo señala que los efectos observados no siempre son estables. Traducido: tu primera semana miente en alguna dirección, no sabes en cuál.
Perder al usuario en el salto a móvil. ar_redirect_mobile es un evento sano, señal de interés alto, pero a partir de ahí hay dos dispositivos y dos sesiones. Si no tienes forma de identificar a la misma persona en ambos, la estás contando dos veces y la compra queda huérfana. Asúmelo al informar en lugar de inventar un puente.
Los números que sí puedes defender
Con eso en la mano, tres ratios bastan para gobernar el asunto: apertura (ar_open entre ar_page_view), profundidad (ar_interact entre ar_open) y salida (ar_add_to_cart entre quienes interactuaron). Los dos primeros son limpios y accionables: dependen de decisiones tuyas de maquetación y de calidad del modelo, y se arreglan.
El tercero es el que hay que manejar con pinzas. Quien abre el visor ya venía más interesado que quien no lo abre, así que comparar ambos grupos no demuestra causalidad, solo la confirma como sospecha. Es correlación, y decirlo en la reunión te ahorrará un disgusto seis meses después.
Cuándo el dato te está diciendo que pares
Hay tres situaciones en las que medir más no arregla nada. La primera: fichas con poco tráfico. Es criterio nuestro y no un dato publicado, pero por debajo de unos pocos cientos de visitas mensuales por ficha, las diferencias que veas caben dentro del ruido. La segunda: lo que ocurre dentro de Quick Look o de Scene Viewer es una caja negra, la web no lo ve. ar_native_outcome te dice que la persona ha vuelto, no qué hizo dentro. No prometas a nadie un mapa de esa parte.
La tercera: si tras dos ciclos completos el embudo se sigue cayendo en el mismo escalón y ya has movido la ubicación y rehecho el modelo, es que en esa categoría no compensa. El metaanálisis de referencia sobre realidad aumentada y realidad virtual en marketing, con 206 artículos, 235 estudios y 59.954 personas, sitúa el efecto de la AR sobre la respuesta de comportamiento en r=0,48 y señala que rinde más con proximidad física y alta implicación con el producto. El mobiliario cumple ambas, pero eso es un promedio de 235 estudios, no una promesa para tu referencia. Si quieres el contexto completo, está en la guía de realidad aumentada en ecommerce, y si prefieres verlo funcionando antes de montar nada, tienes la demo y el visor.
De dónde salen los datos
- Google, «GA4 Events», Google Analytics Developer Guides
- Google, «[GA4] Funnel exploration», Ayuda de Analytics
- Google, «[GA4] Analytics event collection limits», Ayuda de Analytics
- Google, «[GA4] Key events», Ayuda de Analytics
- Google, «[GA4] Data freshness», Ayuda de Analytics
- Shopify, «Web Pixels API», Shopify.dev
- Shopify, «Emitting data to web pixels», Shopify.dev
- Shopify, «Web pixel standard events», Shopify.dev
- Baymard Institute, «Product Page UX: Provide at Least One 'In Scale' Image»
- Barari, Ngo, Quach y Thaichon, «Meta-analysis of augmented reality and virtual reality in marketing», European Journal of Marketing, vol. 60 n.4, pp. 932-964 (2026)
- «Novelty and Primacy: A Long-Term Estimator for Online Experiments», arXiv:2102.12893
- Comisión Europea, «Returns and the right of withdrawal», Your Europe
Equipo de investigación de insiti. Escribimos sobre lo que nos encontramos metiendo catálogos de mobiliario en 3D y en realidad aumentada: lo que funciona, lo que no y los números de verdad. Si algo de aquí te cuadra mal con tu experiencia, cuéntanoslo.